经济调度是电力系统经济运行中的经典优化问题,解决该问题能够缓解能源危机、减轻环境压力。经济调度具有非线性、非凸、高阶、不连续的特点,在求解过程中容易出现求解精度差,结果不稳定等问题。而智能算法中的人工藻类算法具有计算结果精度高,输出结果鲁棒性强的特点,可以用其来解决经济调度问题。基于此背景,本文将人工藻类算法的改进方案应用到经济调度问题当中。具体安排如下:首先,研究了以机组燃煤成本最小为目标函数,同时考虑机组出力上下限约束,禁止区间约束,网络传输损耗以及阀点效应的电力系统经济调度数学模型。并对人工藻类算法和差分进化算法的迭代原理进行了分析,为后续研究工作的开展奠定了理论基础。其次,提出了结合差分进化的人工藻类算法。针对人工藻类算法求解经济调度问题时存在的种群多样性差,容易陷于局部最优解的问题,将差分进化算法的变异和交叉操作融入到人工藻类算法当中,以增强其种群多样性,缩短运行时间。同时,对螺旋公式的选择以及能量、规模计算公式进行了调整,以平衡算法局部和全局探索能力。此外,还将经济调度问题中的约束条件进行了处理并给出了算法与经济调度问题相结合的具体步骤。在多种规模的经济调度仿真案例中进行了测试,仿真结果表明结合差分进化的人工藻类算法具有较高的收敛精度和较强的鲁棒性。最后,提出了结合差分进化的四维人工藻类算法。结合差分进化的人工藻类算法计算精度高,结果鲁棒性强,但是也存在收敛速度慢,运行时间长的弊端,为此,本文还对结合差分进化的人工藻类算法进行了3个方面的改进。在初始化阶段引入混沌操作,使初始解的分布更加均匀;在螺旋阶段引入了四维动态更新机制,拓展了解空间的探索方式,同时在基准函数中验证了其有效性;在螺旋阶段对系数的选取进行了自适应处理以提高算法的收敛性能,同时在基准函数中验证了其有效性。并将结合差分进化的四维人工藻类算法应用到多种规模的经济调度问题中,通过与结合差分进化的人工藻类算法的对比,验证了改进措施在提高计算精度和缩短运行时间方面的有效性。